3.利用贪婪法求如下背包问题的最优解:n=5，M=100,价值P= {20,30,66,40,60}，重量为w={10,20,30,40,50}。。

贪婪算法通常适用于某些特定类型的优化问题，但背包问题（Knapsack Problem）并不是一种可以用简单贪心策略直接解决的问题，因为它涉及到物品的价值和它们所占用的空间之间的权衡。标准的0-1背包问题是一个组合优化问题，没有明显的“局部最优”可以直接转化为全局最优。

对于给定的背包容量 \( M = 100 \) 和价值/重量对 \( P[i] / w[i] \)，贪婪算法的一个可能尝试是每次都选择当前剩余空间内价值密度最大的物品（即价值除以重量的比例最高），直到包满或所有物品都考虑过。然而，这种简单的贪心策略并不保证能够得到最优解，因为可能存在某个组合比按价值密度选择更优的情况。

实际上，对于这个问题，我们需要使用动态规划的方法（如动态规划表或回溯算法）来找到最优解。动态规划允许我们逐步构建最大价值的组合，同时考虑到每个阶段可能的选择。

下面是使用动态规划的一个基本伪代码概述：

int knapSack(int W, int wt[], int val[], int n) {
    int i, w;
    int K[n+1][W+1];

    // Build table K[][] in bottom up manner
    for (i = 0; i <= n; i++) {
        for (w = 0; w <= W; w++) {
            if (i == 0 || w == 0)
                K[i][w] = 0;
            else if (wt[i-1] <= w)
                K[i][w] = max(val[i-1] + K[i-1][w-wt[i-1]], K[i-1][w]);
            else
                K[i][w] = K[i-1][w];
        }
    }

    return K[n][W];
}

在这个例子中，`n` 是物品的数量，`W` 是背包的最大容量，`wt[]` 和 `val[]` 分别是物品的重量和价值数组。

如果你想要了解如何编写具体的C代码来求解这个问题，请告诉我，我会提供一个示例。但是请注意，这不会总是得到最优解，特别是当存在重叠子集时。